考虑人类活动用水的土壤含水量神经网络反演

为在利用神经网络对地表土壤含水量的模拟中,实现对降水等天然要素和人类活动用水的综合考虑,以MPDI(modified perpendicular drought index)作为人类活动作用下的地表干湿状况指标,结合传统的天然要素构建土壤含水量神经网络模型,对河北省2018年地表土壤含水量进行了模拟。结果表明:考虑MPDI的土壤含水量模拟结果与实测值一致性较好,训练期相关系数为0.7,验证期为0.5;分析了神经网络的土壤含水量结果在单一日期不同站点的空间分布情况,在示例日期的相关系数是0.67,模拟结果能较好地体现土壤含水量的空间异质性;模拟结果与SMAP(soil moisture active and passive)土壤含水量产品在河北省具有较好的一致性,均为夏季高、春季低,东部平原高、西部和北部山地低。     

植被覆盖对光学影像反演土壤含水量的影响分析

为了获取植被覆盖对光学影像反演土壤含水量的影响,选用归一化植被指数(NDVI)表示植被覆盖度水平,以垂直干旱指数(PDI)或修正垂直干旱指数(MPDI)线性回归土壤含水量的光学影像反演方法为例,基于2018—2020年哨兵2号卫星影像,利用河北省地面土壤含水量实测数据,对不同植被覆盖水平下土壤含水量反演精度进行评价,探讨植被覆盖对土壤含水量反演精度的影响。结果表明：(1)在NDVI≤0.13时,PDI的反演精度略优于MPDI反演精度,MPDI对PDI的修正作用不明显;(2)在0.13<NDVI≤0.30时,PDI仍能够达到较好的精度,但MPDI可以明显提高精度;(3)当0.30<NDVI≤0.59时,PDI反演精度较差,修正后MPDI能够显著提升精度;(4)在NDVI>0.59时,修正后的MPDI也无法得到满足要求的精度。可得出结论：当NDVI≤0.59时,光学影像可反演得到精度尚可的土壤含水量反演结果,通过一定的植被影响修正方法,可改善反演精度;当NDVI>0.59时,即使采用修正方法,基于光学影像难以得到满足要求的精度。     

HEC-HMS模型在南水北调东线水资源调度中的应用

介绍了HEC-HMS水文模型系统，利用HEC—GeoHMS模块，由数字高程模型（DEM）生成洪泽湖、骆马湖、南四湖及东平湖上游数字流域，并对每个流域进行降雨径流模拟，模型考虑了流域内水利工程及河道取水的影响。结果表明：HEC-HMS模型应用方便，对南水北调东线沿线地区有较好的适用性，计算结果和观测入湖流量有较好的拟合，能为东线工程的水资源调度决策提供区间来水模拟预报。     

基于SuperMap Objects的水资源系统网络概化图绘制

水资源系统网络概化图绘制是进行水资源调配研究的重要基础,而利用GIS技术进行水资源系统网络图绘制是发展方向。从阐述目前水资源调配中网络概化图绘制过程中的问题着手,介绍了基于SuperMapObjects的GIS平台的水资源系统网络概化图软件开发技术,实现的功能和工作流程等,并利用该软件完成了黑河流域水资源调配中系统网络概化图的制作。     

二维水动力模型参数和边界条件不确定性分析

模型不确定性一直是数学模型研究的重要课题。以Toce河上游约5 km的物理模型为案例,分别采用拉丁超立方体抽样-广义似然不确定性估计（LHS-GLUE）和SCEM-UA方法分析了二维水动力学模型参数、边界条件及两者共同作用导致模型模拟水位的不确定性,并利用偏秩相关分析方法分析了模型参数和边界条件对模拟水位的敏感性。结果表明,水动力模型参数Manning系数对模拟水位的敏感性要大于边界条件对模拟水位的敏感性,且Manning系数对模拟水位的敏感性具有时空变异性;两种方法均可以准确获取模型参数Manning系数和边界条件的不确定性区间,但相比于LHS-GLUE方法,SCEM-UA可以更加准确地推求参数Manning系数和边界条件的后验分布,更适用于二维水动力模型不确定分析。     

水文模型知识学习的命名实体识别方法研究

为研究水利领域知识图谱构建中基于文本的知识自动抽取方法，本文以水文模型的名称、模拟要素、应用流域、计算时段、精度、继承-发展关系、研发人、研发单位等知识抽取为例，以883篇水文模型领域中文期刊论文为数据源，构建了BERT-Base-Chinese模型、LAC(Lexical Analysis of Chinese)工具、模式识别联合的多策略水文模型命名实体识别方法。本文采用五位序列标注法(BMOES)方法对期刊论文进行人工标注等处理，建立知识抽取的输入数据集，用于BERT模型训练以及多策略识别方法的性能评价。识别结果显示：多策略识别方法对8种水文模型领域命名实体识别结果精确率和召回率的调和平均数(F1值)均达到90%以上;针对不同实体类别，采取不同的命名实体识别方法较单BERT模型识别方法能有效提高识别性能。本文提出的方法可为水利领域其他场景的知识抽取提供参考，为领域知识图谱构建提供支撑。